Panduan Menginstall Numpy, Pandas, dan Matplotlib pada Python Visual Studio Code

Pada tutorial kali ini saya asumsikan bahwa sudah install python. Untuk yang belum tahu cara install pip pythonnya bisa klik link berikut : Cara Mudah Install PIP Python 2.7 di Windows.

Namun sebenernya PIP secara otomatis sudah terinstall dan kita tidak perlu menginstallnya kembali. Anda Bisa lihat tutorial video diatas dimana saya menginstall  Numpy, Pandas, dan Matplotlib menggunakan PIP.

Setelah selesai install PIP nya  atau memamng PIP tidak perlu diinstall lagi jika sudah bias digunakan, kita coba install Numpy,Pandas, dan Matplotlib menggunakan PIP tersebut.

Pada tutorial ini, kita akan membahas 3 library yang sering digunakan pada saat mengimplementasikan Machine Learning pada Python, yaitu NumPy, Pandas, dan Matplotlib. Langsung kita mulai dengan NumPy.

NumPy
NumPy(Numerical Python) adalah library Python yang fokus pada scientific 
computing. NumPy memiliki kemampuan untuk membentuk objek N-dimensional  array,yang mirip dengan listpada Python. Keunggulan NumPy array dibandingkan  denganlistpada Python adalah konsumsi memoryyang lebih kecil serta runtimeyang  lebihcepat. NumPy juga memudahkan kita pada Aljabar Linear, terutama operasi  pada Vector (1-d array) dan Matrix (2-d array).

·         Buka Terminal pada Visual Studio Code.

·         Lalu ketik “pip install numpy”, enter, tunggu sampai selesai.

·         Selesai install.

Pandas

Pandas (Python for Data Analysis) adalah library Python yang fokus untuk proses analisis data seperti manipulasi data, persiapan data, dan pembersihan data. Pandas menyediakan struktur data dan fungsi high-level untuk membuat pekerjaan dengan data terstruktur/tabular lebih cepat, mudah, dan ekspresif. Dalam pandas terdapat dua objek yang akan dibahas pada tutorial ini, yaitu DataFrame dan Series. DataFrame adalah objek yang memiliki struktur data tabular, berorientasi pada kolom dengan label baris dan kolom. Sedangkan Series adalah objek array 1-dimensi yang memiliki label.

Cara Install Pandas :

·         Buka Terminal pada Visual Studio Code.

·         Lalu ketik “pip install pandas”, enter, tunggu sampai selesai.

·         Selesai install.

Pandas memadukan library NumPy yang memiliki kemampuan manipulasi data yang fleksibel dengan database relasional (seperti SQL). Sehingga memudahkan kita untuk melakukan reshape, slice dan dice, agregasi data, dan mengakses subset dari data.

Matplotlib

Matplotlib adalah library Python yang fokus pada visualisasi data seperti membuat plot grafik. Matplotlib pertama kali diciptakan oleh John D. Hunter dan sekarang telah dikelola oleh tim developer yang besar. Awalnya matplotlib dirancang untuk menghasilkan plot grafik yang sesuai pada publikasi jurnal atau artikel ilmiah. Matplotlib dapat digunakan dalam skrip Python, Python dan IPython shell, server aplikasi web, dan beberapa toolkit graphical user interface (GUI) lainnya.

Cara Install Matplotlib :

·         Buka Terminal pada Visual Studio Code.

·         Lalu ketik “pip install matplotlib”, enter, tunggu sampai selesai.

·         Selesai install.

Visualisasi dari matplotlib adalah sebuah gambar grafik yang terdapat satu sumbu atau lebih. Setiap sumbu memiliki sumbu horizontal (x) dan sumbu vertikal (y), dan data yang direpresentasikan menjadi warna dan glyphs seperti marker (contohnya bentuk lingkaran) atau lines (garis) atau poligon.

Gambar di bawah menunjukkan bagian-bagian dari visualisasi matplotlib dibuat oleh Nicolas P. Rougier.

Hal yang penting dalam visualisasi data adalah penentuan warna, tekstur, dan style yang menarik untuk dilihat dan representatif terhadap data. Seorang Cartographer yaitu Jacques Bertin mengembangkan rekomendasi berikut untuk pemilihan informasi visual yang cocok, dan kita dapat menerapkannya menggunakan matplotlib.

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams["figure.figsize"] = [7.50, 3.50]

plt.rcParams["figure.autolayout"] = True

df = pd.read_csv("company_sales_data.csv")

print(df["facecream"].tolist())

df.set_index("facecream").plot()

plt.show()